我在 Google Search 和 Gemini 中分别输入了这个问题：“What are heim joint types”
分别得到了以下两组结果
Google Search AI Overview
Gemini
我也在 ChatGPT 中提出了同样的问题，并让它推荐一些相关文章，得到的结果如下：
没错，红框和箭头标出的内容，都是我撰写的文章。而且在文章发布大约 7 天左右，它就开始出现在 Google Search AI Overview 的引用中了。
在传统搜索模式下，一篇全新的文章要在这么短的时间内进入首页几乎是不可能的，更别提像现在这样直接出现在搜索结果最上方、几乎无需滚动就能看到的位置。
那么，这是否意味着我的文章排在了 Google Search 的 Rank #1？
答案：并不是！
根据 Semrush 的研究，近 90% 的 ChatGPT 引用实际上来自 Google 排名 第 21 位之后的页面。
这意味着：即使你的页面不在 Google 首页，你依然有机会出现在 AI 搜索的前三个引用来源中。
这就是所谓的 LLM（大语言模型） Seeding 优化，而在 SEO 行业里，现在更流行的说法是 GEO（Generative Engine Optimization 生成式引擎优化）。
我认为这词，土得很形象。
什么是 GEO？
GEO（Generative Engine Optimization 生成式引擎优化） 指的是一种面向生成式 AI 搜索引擎的优化策略。
与传统 SEO 依赖 Google / Bing 的排名不同，GEO 的目标是让你的内容更容易被 ChatGPT、Gemini、Perplexity 等大语言模型引用和推荐。
换句话说：
- SEO 优化网页 → 排名靠前 → 获取点击
- GEO 优化内容 → 被 AI 答案引用 → 获得品牌曝光
| 对比维度 | 传统 SEO | GEO（生成式引擎优化） |
|---|---|---|
| 优化对象 | Google、Bing 等搜索引擎 | ChatGPT、Gemini、Perplexity 等 AI 搜索引擎 |
| 核心目标 | 提升排名、获取点击流量 | 获得 AI 答案中的品牌提及与引用 |
| 主要手段 | 关键词布局、外链建设、内容更新 | 结构化内容（FAQ、对比表、榜单）、AI 友好格式 |
| 内容定位 | 为人类读者写，同时兼顾搜索引擎规则 | 为人类读者写，同时确保 AI 易于抓取和引用 |
| 成功指标 | 排名（SERP position）、自然流量、转化率 | AI 答案中出现频率、品牌搜索量、直接流量 |
| 时间周期 | 新内容往往需要数周甚至数月才见效 | 新内容可能在数天内就被 AI 答案引用 |
| 价值侧重 | 引流（点击 → 进入网站） | 建立心智（曝光 → 品牌信任） |
SEO = 争夺点击，GEO = 争夺引用。
SEO 是在和搜索引擎竞争，GEO 是在和 AI 助手的回答逻辑竞争。
为什么需要做 GEO？
因为传统的自然流量正在被大语言模型（LLM）吃掉！
你自己回想一下，2年前你比较习惯用什么搜索？现在喜欢用什么搜索？Chatgpt？Gemini？Perplexity? Or something else？
根据Semrush的研究（2025年7月发布），到2028年初，AI搜索流量将超过传统搜索。
根据conductor的研究（2025年7月发布），2025年7月纳入分析的1.18亿个关键词中，有18%，也就是2500个关键词，搜索结果出现了 AI Overview（AI 概览）。
根据Datos的市场数据，截止2025年6月，大约5.6%的美国桌面浏览器搜索流量会被导向如 ChatGPT 或 Perplexity 这类 AI 模型，几乎是 一年内翻倍的增长趋势（2024 年同期约为 2.48%）。
来自 Advanced Web Ranking 的监测数据显示，AI Overview（AI 自动生成摘要）在所有搜索结果中出现的比例已超过 50%，相比 2024 年 8 月的 25% 显著增长。
因此，已经无需进一步解释为什么需要做GEO了。
GEO 的三大优势
1、可见度不再依赖点击
如今用户往往无需点进网页，就能直接在 Google AI 概览或其他大语言模型的回答中获得所需信息。
一旦你的品牌出现在这些答案里，即使没有流量导入，也能留在用户心智中。
2、权威感的自然建立
当 LLM 在回答中将你的品牌与行业领先者并列出现时，你就获得了额外的公信力。
即使是新兴或小众品牌，也能借助这种“并列引用”快速获得行业背书。
3、竞争壁垒被打破
在传统搜索中，只有排名靠前的内容才能获得关注。
而在 LLM 的逻辑下，系统更倾向于选择“最优解”，而不是仅看谁排在第一页。
如何做 GEO？
在进入 GEO 优化策略之前，需要先强调一点：传统 SEO 手段依旧不可或缺。只有打好这层基础，GEO 才能发挥最大价值。
GEO 的核心在于 内容层面的优化。因为大语言模型（如 ChatGPT、Gemini、Perplexity 等）在生成答案时，更依赖内容的 结构、权威性和可引用性。
因此，接下来介绍的优化方式主要聚焦在内容创作，而不会赘述传统 SEO 的技术层面。
Step 1：寻找话题进行创作
在选题上，我常用两种方式：
（1）从自身业务出发
围绕产品延伸，通过结合 5W1H（问题方式）、Applications、Buyer’s Guide 等多种角度进行内容创作。
优点：随着时间推移，可以逐步覆盖非常全面的内容维度。
缺点：容易陷入“闭门造车”，局限在自己熟悉的范围内。
（2）寻找别人搜索的话题
常用方法包括：Google 的 People Also Ask、AnswerThePublic、Deap Market、Reddit、Quora。
这些渠道和工具可以帮助你找到真实的用户搜索问题。只需选定一个种子关键词，就能延展出大量相关话题。
Step 2：在 AI 中进行搜索
没错，不是直接写，而是先看看 AI 中被引用的别人的文章是怎么写的。
- 哪些内容被突出引用？
- 有什么特别的表达方式？
- 文章结构是怎样的？
通过观察这些特点，你可以评估如何做得更好。
建议将这些文章摘录下来，整理成参考文档，再用 ChatGPT 进行归纳和分析。
Step 3：进行二次创作
查看好了 Chatgpt 为我整理并分析好的资料，我们需要进行二次创作。
市面上有很多AI改写工具（Re-writer），可以用吗？我个人并不推荐。
当前的AI还不具备真正的自主创作能力，你所看到的深度思考的模式，其实是一种“你想象中的思考”，它思考后的输出结果是对既有数据的再组织。
如果你仅靠改写工具，你的内容本质上仍然只是“已有内容的复制”，不可能被再次引用。
那么，如何进行有效的二次创作？我总结了三点：
（1）提出其他观点
如果你熟悉自己的业务或产品（这是前提），可以尝试提出与现有回答不同的明确观点，并提供相应的数据、案例或理论支撑。
例如：如果 AI 提到某种产品的优势在于“性价比高”，你可以补充另一种角度，如“在极端环境下的耐用性”，并引用实验结果或客户案例来支撑。这样你的内容不仅有差异化，而且更具可信度。
（2）补充内容
在 AI Overview 或现有引用的基础上，进一步拓展内容，让答案更完整。
例如：AI 可能只给出“产品 A 更适合初学者”。你可以在此基础上补充为什么更适合（价格、易用性、售后支持），并用数据或实际使用场景来丰富内容。做到信息更全面、更贴近用户需求。
其实做到以上两点并不难，你只需要熟悉自身业务或者产品，那就总能找到独到的观点以及更详细的补充内容的。
那如果完全不了解自身业务或者产品呢？
那就尝试多从行业资料、YouTube、社交媒体、Reddit 等渠道去获取真实观点和信息，再转化为自己的内容。
（3）调整结构
如果你既没有全新观点，也没有更多内容可补充，那至少可以在结构上下功夫。
LLM 的数据来源是相似的，如果同样的内容中，你的结构更清晰、逻辑更合理，也有可能被优先引用。
所以，“炒冷饭”也是一种本事！
有了二次创作的基本思路后，我们还需要进一步优化文章本身的呈现方式，让它更符合 LLM 的偏好。
Step 4：让 LLM 喜欢你的内容
（1）直白且 Promotional 的标题
标题要足够“直白”，带有问题式（How, What, Why）、列表式（Top, Best, Ultimate, Complete Guide）或具有煽动力的词汇。
不推荐的标题：Some thoughts about xxx prodcuts
推荐的标题：The Complete Guide about XXX Products
（2）点题式的 Meta Description 和 Excerpt
Meta Description 和 Excerpt 是文章的“浓缩版结论”。传统搜索里它们影响点击率，而在 AI 搜索里，它们可能直接被 LLM 抽取，作为引用内容的一部分。
优化要点：
- 开头就给出清晰直接的答案或观点。
- 字数控制在 120–160 字之间，避免冗余。
- 包含核心关键词 + 一点点 promotional 元素（例如“Best guide to…”，“Learn how to…”）。
- 让用户在不点进文章的情况下，也能马上理解文章价值。
不推荐的形式：In this article, we will introduce some information about…
推荐的形式：Discover the 5 main Heim joint types, their pros & cons, and…
（3）内容结构化
整篇文章需要有一个目录；
要有结构化的章节标题；
从h1-h4层级，每个小节尽量聚焦一个问题，并配合 bullet points、表格和正反对比做总结。
在段落开头还需要一句话点题（LLM 很喜欢短、直接的总结语句）。
其实关于上述结构化的格式，你只要仔细看一下 AI 搜索输出的文档格式，就能窥见端倪。
（4）用户友好的单词和语气
使用易读的单词，仅在必要时候使用非常专业性的术语。
专业内容可以放在后半部分，或通过术语解释模块来进行消化。
文章最终是给人看的，如果通篇大量专业术语，正常人都只会直接退出，从而导致高弹出率，进而反馈给谷歌：
这个文章人们不感兴趣，不要推荐了。
最终，就会反馈给 Google Search 的 AI。
（5）真实测评内容
来自第一人称的产品测评是 LLM 最喜欢抓取的信号之一。
你可以通过 Amazon、Reddit、Quora、专业论坛等渠道搜集你同类产品的测评，并进行二次创作，以让其变成第一人称的测评。
（6）对比表
在长篇章节中，往往会分若干个子标题，在所有子标题内容的最后，放一个总结对比表。
不仅便于浏览者阅读，LLM 也非常喜欢这种形式。
可以在表格中加上类似于 Best for xxx 的内容，这是大语言模型回答时最容易引用的表述。
（7）FAQ 风格的问答
你知道为什么 FAQ 风格的内容更容易被 LLM 引用吗？
因为在训练阶段，LLM 接触了大量 Q&A 格式的数据（比如 Quora、Reddit、FAQ 网页）。
这种一问一答的形式非常契合大模型的学习逻辑，也方便在后续生成答案时被直接抽取。
同样地，在 RAG （检索增强生成）等应用中，FAQ 也常常以问答对的形式存储在向量数据库里，方便模型快速检索。
实操建议：
- 从 People Also Ask、AnswerThePublic、客户售后问题里找问题
- 每个问题先用一句话直接给答案，再展开说明
- 使用 Schema Tag（FAQPage）,让 AI 更容易理解
（8）Pros & Cons 格式的内容
Pros & Cons 也就是优点 vs 缺点，LLM 很喜欢这种二元对立的结构，因为它天然就是一个答案摘要的好素材。
用户和 AI 都会认为你在做客观评价，而不是单方面推荐。
Semrush 的研究里面提到，很多 AI 引用片段就是来自带 Pros & Cons 列表的测评内容。
（9）外部权威引用
在内容里，引用权威研究、行业标准或者统计数据，并且附上来源和外部链接，能够增加文章的可信度。
LLM 会倾向于选择那些带来源、带数据的回答。
（10）图片内容
在文中合适的地方多使用配图，并且对所有图片进行优化：图片名称、Alt Text、Caption、Description都需要完整描述图片内容。
在正文中可以点名引用的图片，例如“在下面这张xx图片中。。。”
图片调整为合适的尺寸，并尽量转为Webp格式
使用原创、二创图，也可以使用 AI 生成复合内容的图片
（11）调整样式
没有任何样式变化的长文字，很容易让用户走神，也容易让 AI “走神”。
可以适当调整段落样式，以让文章更可读。
例如在强调处加一个背景，为某一句重点的字体加粗加下划线等等。
总之，要让你的通篇样式，时不时有点小花样，不至于在阅读了1分钟后就产生了视觉疲劳。
（12）设置 Schema Tag
为每篇文章都创建完整的 Schema Tag，可以帮助 LLM 更精准地理解你的内容。
如果你同我一样使用 WordPress 管理网站，我极力推荐 All in One SEO插件【点击查看】，性价比极高的一款 SEO 插件。
它具有非常丰富的 Schema Tag 预设种类供我选择，也完全支持 Custom Schema Tag。
如果想要了解如何设置，可以查看我录的 YouTube 视频：Schema Tag设置教程
（13）多平台分发与引用播种
不要仅把文章发在自家的网站上，还需要同步到 AI 高频引用的平台。
LLM 喜欢从这些地方抓取内容：
- 第三方平台：Medium、Substack、LinkedIn 文章
- 权威行业媒体：通过客座文章、专家引言、榜单收录提高曝光
- 用户生成内容平台：Reddit（LLM 引用最多）、Quora、GitHub 讨论区
- 细分行业论坛 & FB 公共群
- 专题型微网站（Microsite）：如 IKEA 自家的二级站点 lifeathome.ikea.com
- 评价与对比平台：G2、Capterra、TrustRadius
- 社交媒体：Twitter/X（长帖）、YouTube（带描述和字幕）、Pinterest、Instagram（带 alt text 和 hashtag）
如何发？不要直接原文转发，而是把文章拆分成核心论点+短回答的方式，在这些平台发布，并且带上原文链接或者品牌名。
（14）多模态内容（Text + Video + Audio）
Google、Perplexity 等也会抓取视频字幕和博客笔记，因此如果你的文章可以配套视频/音频，会增加额外的引用入口。
（15）多语言覆盖
如果业务是全球化的，在多语言环境下发布同样高质量的内容，也可以增加被 LLM 在不同市场引用的概率。
推荐一款 WordPress 多语言插件：TranslatePress【点击查看】
SEO 的未来就是 GEO
从一篇文章发布 7 天后就能出现在 Google AI Mode 的引用中，到数据研究表明 AI 搜索流量将在 2028 年超越传统搜索，事实已经很清楚：
SEO 的游戏规则正在被改写。
GEO（Generative Engine Optimization）并不是对传统 SEO 的替代，而是它的升级与延伸。
SEO 让你的内容有机会被搜索引擎找到。GEO 则让你的内容有机会成为 AI 答案的一部分，被直接“搬进”用户的视野。
在这个零点击的 AI 搜索时代，用户未必会访问你的网站，但他们会在 AI 的回答里看到你的品牌。久而久之，这种“引用”会转化为品牌认知、信任，最终沉淀为直接搜索和客户关系。
如果说过去十年是争夺点击的 SEO，那么未来十年就是争夺引用的 GEO。
现在开始播种，让你的内容进入 AI 的答案库，否则你可能很快就会被边缘化。如果你已经在做 SEO，那么现在就应该把 GEO 纳入你的内容策略，这才是真正面向未来的优化方向。
